基于Bi-LSTM-ARIMA的超大直径泥水平衡盾构油脂消耗量预测模型

摘要：

为了对盾构盾尾油脂消耗控制提供指导,以盾尾密封油脂消耗量预测精度为目标,采用双向LSTM与ARIMA模型相结合的方法,构建Bi-LSTM-ARIMA盾尾密封油脂消耗时间序列预测模型,在综合考虑盾构掘进参数与相关工程地质及水文地质参数的基础上,建立盾尾密封油脂消耗BP神经网络预测模型.以济南黄河隧道为依托,基于区间隧道既有盾尾油脂消耗数据对盾构东线区间盾尾密封油脂消耗量进行训练和预测.研究结果表明:Bi-LSTM-ARIMA模型对盾尾密封油脂消耗预测的均方根误差为13.47,平均相对误差仅为3.13％,相较于ARIMA时间序列模型和BP神经网络模型具有更高的预测精度,具有较好的实用性与可靠性.

关键词：超大直径泥水平衡盾构、油脂消耗、时间序列、神经网络、预测模型

所属期刊栏目：43

分类号：U45(隧道工程)

资助基金：中国铁建股份有限公司科研计划课题;中铁十四局集团科技研发计划课题;中国科协青托项目

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：408-416